第一篇：常用統計方法(SPSS)期末考試題型總結

SPSS期末考試題型總結

一、單樣本t檢驗（單個正態總體的均值檢驗與置信區間）（P48）

1、題目類型：某糖廠打包機打包的糖果標準值為問：（1）這天打包機的工作是否正常？

（2）這天打包機平均裝糖量的置信區間是多少？，給出一系列抽取值。

2、操作：（1）Analyze Compare mean One-Sample T Test（2）將左邊源變量X送入Test Variable(s)中，在Test Value中輸入

3、結果分析：若Sig.>0.05，接受假設，即沒有顯著性差異

若Sig.<0.05，拒絕假設，即有顯著性差異

置信區間（100+Lower，100+uppper）

二、兩個樣本t檢驗（兩個正態總體的均值檢驗與置信區間）（P50）

1、題目類型：從A批導線抽取4根，從B批導線抽取5根。

問：這兩批導線的平均電阻是否有顯著差異？并求的置信區間。

2、操作：（1）Analyze Compare mean Indepvendent Sample T Test

（2）將檢驗變量x送入Test Variable(s)，將分組變量group送入Grouping Variable（3）選按鈕define GroupsUse specified values，分別輸入1和2.3、結果分析：（1）若F顯著性概率Sig.>0.05，接受假設

性差異，即可認為兩組方差是相等的

（2）若t顯著性概率Sig.2-tailed>0.05，可以得出A、B兩批電

線的電阻值沒有顯著差異。，兩組方差沒有顯著

三、單因素方差分析（P54）

1、題目類型：6種不同農藥在相同條件下的殺蟲率。

問：殺蟲率是否因農藥的不同而有顯著性差異？

2、操作：（1）Analyze Compare mean One-Way ANOV

（2）將源變量x送入Dependent List(因變量)，將類型變量kind送入Factor.3、結果分析：（1）若Sig.>0.05，接受假設，即沒有顯著性差異

（2）若Sig.<0.05，拒絕假設，有顯著性差異，此時進一步操作：

繼續操作：（a）Options Homogeneity of variance test（b）Post HocLSD

四、雙因素方差分析（P62）

1、題目類型：三種濃度，四種溫度的每一種搭配下的產品產量。

問：試檢驗不同濃度，不同溫度以及它們之間的交互作用對產量有無顯著影響？

2、操作：（1）Analyze General Linear Model Univarate

（2）測試變量（產量）送入Dependent Variable，因素變量（溫度、濃度）一起送入Fixed Factor

3、結果分析：（1）若A因素Sig.>0.05，則A因素對產量無顯著性影響，反之

（2）若B因素Sig.>0.05，則A因素對產量無顯著性影響，反之。

（3）若A*B因素Sig.>0.05，則A與B的交互作用對產量無顯著性

影響，反之則反。

4、注意：（1）輸入數據時注意排版，因素A、B的分類。

（2）不考慮交互作用時，Model Custom，把要考慮的a、b等因素送入右邊；考慮交互作用時，Model Full factorial五、一元線性回歸模型（P71）

1、題目類型：某公司科研支出x與利潤y的表格

問：求出線性模型，并檢驗該模型是否顯著以及給出模型的標準誤差

2、操作：（1）作圖Graplsscatter/potsimple scatter,判斷為線性。

（2）Analyze Regression Linear（3）將因變量y送入Dependent，將自變量x送入Independent

3、結果分析：（1）B列的數值為回歸系數，其中Constant為常數項。Y=20+2x（2）若Sig.<0.05，則***顯著不為0，***是一個重要變量。

六、多元線性回歸模型（P76）

1、題目類型：課本例子

問：試求y對x1,x2,x3,x4的最佳線性模型。

2、操作：（1）作圖Graplsscatter/potsimple scatter,判斷為線性。

（2）AnalyzeRegression Linear

（3）將因變量y送入Dependent，將自變量x1,x2,x3,x4送入Independent（4）若enter模型不好，則進行逐步回歸法,選Model stepwise

3、結果分析：（1）R值越接近1，模型越好。

（2）F值顯著性概率Sig.<0.01,回歸模型非常顯著。

（3）若Sig.<0.05，則***顯著不為0，***是一個重要變量。

4、預測：AnalyzeRegression Linear save 選Unstandardized(預測值)，或選Individual(區間值)

七、曲線回歸模型（P88）

1、題目類型：對200只鴨進行試驗，得到周齡x與日增重y的數據。

問：求出線性模型，并檢驗該模型是否顯著以及給出模型的標準誤差

2、操作：（1）作圖Graplsscatter/potsimple scatter,判斷曲線類型。

（2）AnalyzeRegression Curve Estimation

（3）將因變量y送入Dependent，將自變量x送入Independent（4）在Model中，選Quadratic(二次曲線)或其他

3、結果分析：（1）R值越接近1，模型越好。

（2）F值顯著性概率Sig.<0.01,回歸模型非常顯著。

八、相關分析（P93）

1、題目類型：13名男生的身高與體重表。

問：試研究x與y的相關性。

2、操作：（1）Analyze correlateBivariate

（2）將源變量x、y送入Variables

3、結果分析：若Sig.<0.01，說明非常顯著，即身高與體重的相關性非常強。

九、卡方檢驗（擬合度檢驗）（P103）

1、題目類型：200個觀察數據，包含組下限和頻數的表。

問：試檢驗該數據是否服從[0,1]上的均勻分布?

2、操作：（1）定義變量x，為組下限或上限。注意輸入方式

（2）確定Weight為頻數變量，Data Weight Class Weight cases by，將變量Weight送入Frequency Variable.（3）Analyze Nonparametric testChi-Square（4）將檢驗變量x送入Test Variable

3、結果分析：Sig.>0.05，故認為從該表抽取的數據服從[0,1]上的均勻分布。

十、K-S檢驗（獨立性檢驗）（P112）

1、題目類型：從車間中抽取50個樣本，得到纖維強力指標。

問：試檢驗纖維強力指標是否服從正態分布？

2、操作：（1）Analyze Nonparametric test 1-sample K-S test

（2）將檢驗變量x送入Test Variable List,選Normal(正態分布)

3、結果分析：Sig.>0.05，故認為纖維的強力指標服從正態分布。

十一、列聯表分析（P132）

1、題目類型：研究兩類病人與自殺情緒之間有沒有某種連帶關系

2、操作：（1）輸入數據，注意形式。確定f為頻數變量，Data Weight Class Weight cases by，將變量f送入Frequency Variable.（2）AnalyzeDescriptive StatisticsCrosstabs

（3）把患者類型[kind]送入Row(行)，把自殺情緒[emotion]送入Column(列)（4）選StatisticsChi-Square

3、結果分析：若Sig.>0.05,接受，故認為患者類型和有無自殺情緒是相互獨立。

【注意】：

1、怎樣區分雙因素方差分析和列聯表分析? 答：提問的方式不一樣。

雙因素方差分析：***是否有顯著影響。列聯表：***是否獨立。

第二篇：SPSS多重比較常用方法總結

1.1 LSD法 最小顯著差異法,公式為:

它其實只是t檢驗的一個簡單變形,并未對檢驗水準做出任何校正,只是在標準誤的計算上充分利用了樣本信息, 為所有組的均數統一估計出了一個更為穩健的標準誤,其中MS誤差 是方差分析中計算得來的組內均方,它一般用于計劃好的多重比較。由于單次比較的檢驗水準仍為α,因此可認為LSD法是最靈敏的。

1.2 Bonferroni法 該法又稱Bonferroni t檢驗,由Bonferroni提出。用t檢驗完成各組間均值的配對比較，但通過設置每個檢驗的誤差率來控制整個誤差率。若每次檢驗水準為α′,共進行m 次比較,當H0 為真時,犯Ⅰ類錯誤的累積概率α不超過mα′, 既有Bonferroni不等式α≤mα′成立。

α′=αm=αC2k=2αk(k…XB)S… dAB,S… dAB = MS誤差1nA+1nB 但是該方法在樣本組數較小時效果較好,當比較次數m 較多時,結論偏于保守。

1.3 Sidak法 它實際上就是Sidak校正在LSD法上的應用,即通過Sidak校正降低每兩次比較的Ⅰ類錯誤概率,以達到最終整個比較的Ⅰ類錯誤概率為α的目的。即α′= 11);t =(…XA…XB)/MS誤差21nA+1nB,它實質上是根據預先制定的準則將各組均數分為多個子集, 利用Studentized Range分布來進行假設檢驗,并根據所要檢驗的均數的個數調整總的Ⅰ類錯誤概率不超過α。用student range分布進行所有各組均值間的配對比較。如果各組樣本含量相等或者選擇了（差異較小的子集）的均值配對比較。在該比較過程中，各組均值從大到小按順序排列，最先比較最末端的差異。1.5 Dunnett2t檢驗

t =…Xi1以及檢驗水準α查Dunnett2t界值表,作出推斷。

1.6 Duncan法(新復極差法)（SSR）指定一系列的“range”值，逐步進行計算比較得出結論。

q′=(…XA…XB | ≥T時,可以認為比較的兩組總體均數μA 與μB 有差別;反之,尚不能認為μA 與μB 有差別。該方法要求各組樣本含量相同,且一般不會增大Ⅰ型錯誤的概率。用student range統計量進行所有組間均值的配對比較，用所有配對比較誤差率作為實驗誤差率。

1.8 Scheffe檢驗

檢驗統計量為F,計算公式為:F =(…XA1)即當| …XA1)時,可以認為在α水準上,比較的兩組總體均數μA 與μB 有差別。k為處理組數, Fα(ν1,ν2)為在α水準上,方差分析中的組間自由度為ν1(ν1 = kk)時,由方差分析用F界值表查得的F臨界值。

以上8種多重檢驗方法由于使用方便,計算簡單而被廣大科研工作者接受。

第三篇：統計方法總結

一、統計分析方法總結

1.連續性資料

1.1 兩組獨立樣本比較

1.1.1 資料符合正態分布,且兩組方差齊性,直接采用t檢驗。

1.1.2 資料不符合正態分布，（1）可進行數據轉換,如對數轉換等,使之服從正態分布,然后對轉換后的數據采用t檢驗；（2）采用非參數檢驗,如Wilcoxon檢驗。

1.1.3 資料方差不齊，（1）采用Satterthwate 的t’檢驗；（2）采用非參數檢驗,如Wilcoxon檢驗。

1.2 兩組配對樣本的比較

1.2.1 兩組差值服從正態分布，采用配對t檢驗。

1.2.2 兩組差值不服從正態分布，采用wilcoxon的符號配對秩和檢驗。

1.3 多組完全隨機樣本比較

1.3.1資料符合正態分布，且各組方差齊性，直接采用完全隨機的方差分析。如果檢驗結果為有統計學意義，則進一步作兩兩比較，兩兩比較的方法有LSD檢驗，Bonferroni法，tukey法，Scheffe法，SNK法等。

1.3.2資料不符合正態分布，或各組方差不齊，則采用非參數檢驗的Kruscal－Wallis法。如果檢驗結果為有統計學意義，則進一步作兩兩比較，一般采用Bonferroni法校正P值，然后用成組的Wilcoxon檢驗。

1.4 多組隨機區組樣本比較

1.4.1資料符合正態分布，且各組方差齊性，直接采用隨機區組的方差分析。如果檢驗結果為有統計學意義，則進一步作兩兩比較，兩兩比較的方法有LSD檢驗，Bonferroni法，tukey法，Scheffe法，SNK法等。

1.4.2資料不符合正態分布，或各組方差不齊，則采用非參數檢驗的Fridman檢驗法。如果檢驗結果為有統計學意義，則進一步作兩兩比較，一般采用Bonferroni法校正P值，然后用符號配對的Wilcoxon檢驗。

****需要注意的問題：

（1）一般來說，如果是大樣本，比如各組例數大于50，可以不作正態性檢驗，直接采用t檢驗或方差分析。因為統計學上有中心極限定理，假定大樣本是服從正態分布的。

（2）當進行多組比較時，最容易犯的錯誤是僅比較其中的兩組，而不顧其他組，這樣作容易增大犯假陽性錯誤的概率。正確的做法應該是，先作總的各組間的比較，如果總的來說差別有統計學意義，然后才能作其中任意兩組的比較，這些兩兩比較有特定的統計方法，如上面提到的LSD檢驗，Bonferroni法，tukey法，Scheffe法，SNK法等。**絕不能對其中的兩組直接采用t檢驗，這樣即使得出結果也未必正確**

（3）關于常用的設計方法：多組資料盡管最終分析都是采用方差分析，但不同設計會有差別。常用的設計如完全隨即設計，隨機區組設計，析因設計，裂區設計，嵌套設計等。

2．分類資料

2.1 四格表資料

2.1.1 例數大于40，且所有理論數大于5，則用普通的Pearson 檢驗。

2.1.2 例數大于40，所有理論數大于1，且至少一個理論數小于5，則用校正的 檢驗或Fisher’s確切概率法檢驗。

2.1.3 例數小于40，或有理論數小于2，則用Fisher’s確切概率法檢驗。

2.2 2×C表或R×2表資料的統計分析

2.2.1 列變量＆行變量均為無序分類變量，則（1）例數大于40，且理論數小于5的格子數目<總格子數目的25％，則用普通的Pearson 檢驗。（2）例數小于40，或理論數小于5的格子數目>總格子數目的25％，則用Fisher’s確切概率法檢驗。

2.2.2列變量為效應指標，且為有序多分類變量，行變量為分組變量，用普通的Pearson 檢驗只說明組間構成比不同，如要說明療效，則可用行平均分差檢驗或成組的Wilcoxon秩和檢驗。

2.2.3 列變量為效應指標，且為二分類變量，行變量為有序多分類變量，則可采用普通的Pearson 檢驗比較各組之間有無差別，如果總的來說有差別，還可進一步作兩兩比較，以說明是否任意兩組之間的差別都有統計學意義。

2.3 R×C表資料的統計分析

2.2.1 列變量＆行變量均為無序分類變量，則（1）例數大于40，且理論數小于5的格子數目<總格子數目的25％，則用普通的Pearson 檢驗。（2）例數小于40，或理論數小于5的格子數目>總格子數目的25％，則用Fisher’s確切概率法檢驗。（3）如果要作相關性分析，可采用Pearson相關系數。

2.2.2列變量為效應指標，且為有序多分類變量，行變量為分組變量，用普通的Pearson 檢驗只說明組間構成比不同，如要說明療效或強弱程度的不同，則可用行平均分差檢驗或成組的Wilcoxon秩和檢驗或Ridit分析。

2.2.3 列變量為效應指標，且為無序多分類變量，行變量為有序多分類變量，則可采用普通的Pearson 檢驗比較各組之間有無差別，如果有差別，還可進一步作兩兩比較，以說明是否任意兩組之間的差別都有統計學意義。

2.2.4 列變量＆行變量均為有序多分類變量，（1）如要做組間差別分析，則可用行平均分差檢驗或成組的Wilcoxon秩和檢驗或Ridit分析。如果總的來說有差別，還可進一步作兩兩比較，以說明是否任意兩組之間的差別都有統計學意義。（2）如果要做兩變量之間的相關性，可采用Spearson相關分析。

2.4 配對分類資料的統計分析

2.4.1 四格表配對資料，（1）b＋c>40，則用McNemar配對 檢驗。（2）b＋c<40，則用校正的配對 檢驗。

2.4.1 C×C資料，（1）配對比較：用McNemar配對 檢驗。（2）一致性檢驗，用Kappa檢驗。

二、醫學科研程序

⑴科研選題——⑵研究設計——⑶實施方法——⑷統計分析——⑸總結歸納

其中科研選題和研究設計最關鍵。科研設計分為⑴專業設計⑵統計設計

統計設計的內容：研究對象數量的確定、對照組的選定、隨機化分組原則、控制誤差及統計分析方法的選定等。

一、科研選題：⑴、查閱文獻；⑵、選題原則：創新性、先進性、科學性、可行性；⑶、研究條件和優勢

二、實施方法：⑴、調查；⑵、實驗⑶、臨床觀察。

三、統計分析：⑴、正確搜集資料；⑵、描述資料統計特征⑶、統計推斷并得出結論統計資料的要求：準確、完整、及時

描述資料：統計表、統計圖、統計指標

統計推斷：參數估計、假設檢驗

醫學科研設計基本內容（臨床實驗設計參考用）

（社區干預試驗設計可參照）

臨床科研是以病人為研究對象，因此，在進行臨床科研設計時應注意：①人有社會屬性，受精神因素、心理因素影響，要注意臨床科研要符合醫學倫理要求；②必須設立對照（設立對照的注意問題附后）；③隨訪的起點和止點應有明確的定義；④注意影響實驗研究結果的因素，并適當控制（具體內容附后）。

1．國內外研究現狀、水平、發展趨勢（簡要介紹與本課題有關研究的國內外現狀、水平、發展趨勢等，寫明本課題提出的依據及本課題研究目的；簡要介紹預試驗內容及結果。）。

2．研究對象：

（1）具體診斷標準（用公認的或統一的，并闡明出處；如沒有統一的標準也應寫明是自定標準。）、制定入選（納入）標準及排除標準；

（2）研究對象選擇范圍（包括對照組）及選樣和分組方法（使用正確的隨機方法選樣和分組；在實驗對象的分組和施加因素分配實驗組、對照組上，都要隨機化）；

（3）樣本含量。（說明確定樣本含量的依據）3．處理因素：（詳細寫）

處理因素設置要求：①抓住主要因素；②找出非處理因素（混雜因素）；③處理因素標準化。

（1）設備（或試劑或藥物）生產廠家（來源）及型號（劑量）；（2）治療方法及操作程序（包括對照組）；（3）操作過程中的質量控制（包括方法、人員、設備三統一及實驗質控手段等）；（4）技術關鍵。4．研究結果：

確定研究效應的測量指標及測定方法，要考慮與待評價的結果有關聯性、客觀性、靈敏性、特異性及實用性等。

（1）療效判斷標準（用公認的或統一的，并闡明出處；如沒有統一的標準也應寫明是自定標準。）；

（2）（近期、遠期）觀察指標（各組觀察指標應一致）及觀察方法；（3）科研記錄表格及匯總表格式樣；（4）統計方法及指標確定，預計結果；（5）科研質量控制措施（包括科研全過程的各環節，如預試驗工作、分組、施加處理因素、臨床觀察及隨訪、原始資料的記錄及收集、資料整理等方面質量控制措施）。

5．創新設想（本研究的）：

6．工作時間安排（包括調研、設計、研究、統計分析、總結鑒定等）： 7．研究人員分工（包括姓名、性別、年齡、職稱、工作單位及在本研究中的詳細分工）：

8．經費的籌措及使用計劃：

9．存在（可能出現）的問題、困難及解決辦法： 臨床科研的對照問題

為保證臨床科研實驗組與對照組之間具有可比性，對照組中的觀察對象除了實驗因素不同以外，實驗過程中的實驗條件和輔助措施，都應與實驗組相同。常用對照方式如下：

1、空白對照：對照組不施加任何處理因素。這種對照僅用在某些病情較輕或長期穩定無任何危險的疾病，如：慢性關節炎、HbsAg攜帶者、近視等。

2、安慰劑對照：對照組采用無藥理作用且無害的“藥“，如：淀粉、生理鹽水等經加工后其外形、味道等與試驗藥相似，不被受試者識別。這種對照僅用在研究的疾病尚無有效治療方法，或使用安慰劑后該病的病情、臨床經過、預后等影響小或無影響時。

3、實驗對照：對照組不施加處理因素，但施加某種與處理因素有關的實驗因素。

4、標準對照：用現有標準方法或常規方法做對照，注意以一種低療效的方法作對照來提高試驗的療效是毫無意義的，甚至是有害的。

5、歷史對照：以過去的研究結果作對照，這是一種非隨機和非同期的對照，容易產生偏倚（可能因為疾病自然病程會隨時間而變化，或醫生的收治病人診斷標準和治療方法或水平因時間而變化等，使兩組失去可比性）。這種對照可用于狂犬病、骨折愈合等療效對照。

6、自身對照：對照和實驗在同一受試對象進行，這種對照簡單易行，但應注意該方法的兩個缺陷：一是實驗總是把處理前作對照，這不符合隨機分配原則；二是實驗前后某些環境因素或自身因素發生了改變，可能影響實驗結果。可考慮用交叉實驗解決。

7、相互對照：多種待研究觀察因素相互對照。

目前常用的設計方案有：隨機對照實驗、配對實驗、交叉實驗（適于病程較長的實驗研究），可根據具體情況，選用適合的方法進行實驗研究。

10、影響實驗研究結果的因素及其控制

一、誤差：

1、隨機誤差：通過增加樣本含量，可減小隨機誤差，但不能消除。

2、非隨機誤差：

非系統誤差：偶然失誤造成的。

系統誤差：誤差值遵循一定的規律而存在或變化，增加樣本量，不能糾正。

二、編倚：（可以看成是一種系統誤差）

1、選擇性偏倚：防止選擇性偏倚的措施：①正確擬定觀察對象的納入和排除標準；②采用分層抽樣方法；③正確設立對照；④遵守隨機化原則。

2、測量偏倚（或稱觀察偏倚或信息偏倚）：

產生原因：①沾染（對照組也接受了處理措施）；②干擾；③依從與非依從；④失訪（＞20％）；⑤檢查與診斷結果不一致；⑥觀察記錄有誤；⑦心理因素的干擾。

防止措施：①用盲法試驗；②簽定實驗合同；③檢查實驗對象的依從情況；④注意醫德問題；⑤定期檢查研究記錄；⑥對實驗方法、診斷標準的一致性在實驗前應做出估計。

3、混雜偏倚：

產生原因：多在總結分析階段，評價被研究因素與疾病之間的關系時，如果存在外來因素與該病和研究因素均有聯系，使研究因素效應與外來因素效應混

在一起，從而掩蓋或夸大研究因素與疾病的真實聯系。

防止措施：①設計時，用配對設計或采用分層抽樣方法；②分析階段，用分層分析技術或多變量回歸分析技術。其目的是平衡混雜因素的作用。

醫學科研設計基本內容（調查設計參考用）

1、國內外研究現狀、水平、發展趨勢（簡要介紹與本課題有關研究的國內外現狀、水平、發展趨勢等，寫明本課題提出的依據及研究目的。注意：研究目的應很明確，且圍繞一個中心；簡要介紹預試驗內容及結果。）。

2、調查計劃：

⑴、確定觀察對象（所要研究的總體）和觀察單位（總體中的個體統計對象）⑵、選定調查指標（調查指標是調查目的的具體體現）：指標選擇要求：①精選、重點突出，不要貪多求全，分散精力。②計量指標比計數指標敏感。③客觀指標優于主觀指標。④選用靈敏度高，特異度高的檢查方法作為診斷依據。

⑶、調查方法（普查、抽樣調查等）

⑷、樣本含量（說明確定樣本含量的依據）

⑸、收集原始資料的調查方式（直接觀察、直接采訪（訪問調查、自填調查）、間接采訪（信訪、電話））

⑹、設計調查表和問卷（調查表和問卷設計相關問題附后）

⑺、調查階段的組織工作（包括組織領導、關系協調、調查員培訓等）

⑻、設計階段質量控制：①正確劃分調查范圍；②盡量選擇客觀、明確的指標；③對調查問題進行精選，避免問題過于繁雜；④對于可能引起混淆的調查項目給出明確的定義。

⑼、調查階段質量控制：①通過預試驗工作完善調查設計；②抓好調查員的選拔和培訓，避免因調查員工作態度不好或業務水平不足而影響調查結果；③對被調查者可能存在的拒絕、躲避、隱瞞、等問題，采取相應措施，如：開展宣傳、摸清被調查者在家的時間規律、對敏感問題做好解釋和保密工作，對記憶不清者，可請知情人幫助回憶；④在問卷中設置相反問題，以了解應答的可靠性；⑤選擇調查方式時應考慮年齡和文化水平因素；⑥對檢測項目的調查應注明檢測設備、試劑等生產廠家、型號、批號；操作過程應注意操作方法（包括診斷標準）、人員、設備（應有明確的校正靈敏度及準確度的方法及時間）三統一；⑦注意調查的效度（真實性）與信度（可靠性）問題，常采用現場抽樣復查來評價調查信度等。

3、整理計劃：（去粗取精，去偽存真）

⑴、計算機錄入與整理工作：應提出確保錄入質量的措施：①在建立數據庫時，編寫邏輯查錯程序；②同一資料用兩個錄入員輸入并用計算機核對；③資料錄入完成后，做頻數表或散點圖，發現異常值；④正確選擇合適的指標和分析方法等。

⑵、資料分組：（按數值大小分組、按類型分組等）⑶、分組組數確定：

4、統計分析計劃：（包括：①說明指標的內涵和計算方法及預期進行統計描述和推斷內容；②擬進行的探索性分析；③控制混雜因素的措施；④列出統計分析表，并通過統計分析表檢查調查、整理計劃有否遺漏。）

5、創新設想（本研究的）：

6、工作時間安排（包括調研、設計、研究、統計分析、總結鑒定等）：

7、研究人員分工（包括姓名、性別、年齡、職稱、單位及在本研究中的詳細分工）：

8、經費的籌措及使用計劃：

9、存在（可能出現）的問題、困難及解決辦法：

10、調查表及問卷設計相關問題 一、一般結構:

1、前言：用于說明調查目的、重要性、回答問題的必要性以及對調查內容保密等，以取得調查對象的合作。

2、填寫說明：為保證所有調查員和調查對象均能對調查項目和填寫方法正確理解，統一認識而編寫。

3、核（備）查項目：該部分與調查目的無關，作核查核對用。內容包括調查員姓名、調查日期、復核結果、未調查原因等。

4、調查（分析）項目：為直接用于調查指標所必須以及排除混雜因素所必須的項目，包括調查對象的①背景資料，如：姓名、住址、單位、電話等；②人口學項目，如：年齡、性別、民族、婚姻狀況、文化程度、職業等；③研究項目（該部分是調查表的核心內容，依不同調查目的而定，分問題項目和檢測項目）。

二、問題的形式：問題的基本形式有提問式和陳述式兩種；根據問題答案的形式分開放式問題（無統一答案）和封閉式問題（有固定答案）。

封閉式問題設計注意：

1、答案應包括所有可能的答案，還應有“其它”一欄；

2、各選擇答案不應相互包含，不應有重疊情況。

三、問題設計的一般原則：

1、盡量避免用專業術語（提問一般就低不就高）；

2、避免混淆，對語義較模糊的詞（如：經常、偶爾、普通、大概等）應給出本次調查的定義或標準。

3、避免雙重問題，避免一個問題中實際提出兩個問題。

4、提問避免誘導或強制性（否定形式的提問有誘導之嫌）；對有社會期望偏倚的問題應注意。

5、問題應適合全部調查對象并符合邏輯。

6、敏感問題的處理：對國家政策、倫理道德、經濟收入、生活行為、其它個人隱私等敏感問題，可以采用對象轉移法或假定法提問；關于敏感問題調查的隨機應答技術問題，須參考有關統計學專著。

7、調查項目的安排順序（注意問題順序的邏輯性）①、一般問題在前，特殊問題在后； ②、易答問題在前，難答問題在后；

③、敏感問題一般在最后；如敏感問題較多，可分散在問卷中，以降低其敏感性；

④、一般將問題項目放在前，檢測項目放在后。

第四篇：SPSS總結

SPSS的基本統計功能

1、數據的預處理

2、描述性統計和探索性統計

3、假設檢驗（包括參數檢驗、非參數檢驗等）

4、方差分析（包括一般的方差分析和多元方差分析）

5、相關分析

6、回歸分析

7、多元統計分析，包括聚類分析、判別分析、因子分析、對應分析、主成分分析等

8、時間序列分析

9、信度分析

10、數據挖掘：決策樹與神經網絡

SPSS 統計分析的一般步驟

1、建立SPSS數據文件： 在【變量視圖】定義SPSS數據文件的結構，在【數據視圖】進行錄入數據文件的錄入。

2、SPSS數據的管理數據的預處理 ：

集中于【數據】和【轉換】兩個菜單項。

3、SPSS數據的統計分析階段

： 在【分析】菜單中選擇正確的統計方法。

4、SPSS分析結果的閱讀和解釋

： 讀懂SPSS輸出窗口中的分析結果

5、明確其統計含義，并結合背景知識做出合理的解釋。

第2章 SPSS統計分析前的準備

一、SPSS數據文件的特點

1、SPSS數據文件是一種有結構的數據文件（一般文本文件僅有純數據部分，而沒有關于結構的描述）；

2、由數據的結構和內容兩部分構成；

3、其中數據的結構記錄數據類型、取值說明、數據缺失等必要信息（在【變量視圖】，每一列大家都要明白你在定義什么，有什么用）；

4、數據的內容是那些待分析的具體數據；

5、在【數據視圖】每一列代表一個變量(variable)，變量名顯示在表格頂部；

6、在【數據視圖】的每一行代表一個記錄（case）（即一個案例，或稱一個對象、一個觀察、一個個體），記錄序號顯示在表格的左側；

7、在【數據視圖】可以輸入和編輯數據，但是不能輸入數學表達式和函數

二、定義變量

1、【數據視圖】是進行數據輸入、數據編輯的界面，對應的表格用于查看、錄入和修改數據。

2、【變量視圖】 是定義數據文件的變量的界面，對應的表格用于輸入和修改變量的定義。

3、用SPSS讀取其他格式的數據：

1）數據文件：*。sav

語法文件：*。sps 結果文件：*。spo

腳本文件： *。sbs 2）文件-打開-數據，可打開多種文件類型（。sav、。xls、。dbf、。txt、。dat等）

注：要想順利打開txt文檔，txt文檔最好有固定的分隔符，如一個空格或一個逗號等。

三、數據的編輯

在SPSS中，數據文件的編輯、整理等功能被集中在了【數據】和【轉換】兩個菜單項中：

1、數據的增刪、復制、剪切、粘貼；

2、數據的排序，Sort Cases排序便于數據的瀏覽，快捷找到最大值或最小值，迅速發現數據的異常值；

四、文件的拆分：文件的拆分相當于統計學中的數據分組，即將數據按一個或幾個分組變量分組。

五、數據選取 ：

數據選取（個案選取）的基本方式

按指定條件選取（If condition is satisfied）

隨機抽樣(Random sample of cases)選取某一區域內(Based on time or case range)

六、個案加權：記錄加權是對觀測數據賦以權重，常用于頻數表資料；

七、文件的合并：合并文件是指將外部數據中的記錄或變量合并到當前的數據文件中去。合并數據文件包括兩種方式：

從外部數據文件增加記錄到當前數據文件中——縱向合并或稱追加記錄。從外部數據文件增加變量到當前數據文件中——橫向合并或稱追加變量。

八、變量的計算和變換：【轉換】-【計算變量】

九、數據的重新編碼recode 統計分組

將字符型變量轉換為數值型變量 將幾個小類別合為一個類別 將數值型變量轉換為字符型

十、統計結果的保存為word文件：【文件】-【導出】

第3章

SPSS描述性統計

1.Frequencies（頻率）過程的特色是產生頻數表；功能 產生頻數分布表；

繪制條形圖、餅圖、直方圖；

計算集中趨勢與離散程度、分布形狀（峰度和偏度的意義）等統計量； 按要求給出分位數；

對數據的分布趨勢進行初步分析

（注：對于定性變量來說，一般來說產生頻數分布表，制作條形圖，餅圖即可）；

2.描述分析（Descriptives過程）

適用的分析對象：定量變量，測度為scale。功能：

調用此過程對變量進行描述性統計分析，計算均值、標準差、全距和均值標準誤差等； 并可將原始數據轉換成Z分數（(原始值-均值)/標準差）。

3.Explore（探索）過程用于對數據概況不清時的探索性分析，定量變量； 在一般描述性統計分析的基礎上，增加有關數據其他特征的文字與圖形描述。提供莖葉圖、箱線圖、PP圖、QQ圖等；

指出異常值（Outliers），可檢查數據是否有錯誤，剔除異常值和錯誤數據； 進行點估計和區間估計，計算均值的置信區間，； 檢驗一組數據是否呈正態分布； 4.列聯表分析

（1）列聯表分析的適用條件

對一個定量變量的描述和分析，一般用頻數分析（頻數分布表、餅圖、直方圖、條形圖）； 對兩個定性變量的描述和分析，通常使用列聯表、對應分析，或使用卡方檢驗； 對兩個以上定性變量的描述和分析，通常使用高維列聯表。（2）期望頻數的分布

如果行變量和列變量是獨立的，可以計算出列聯表中每個格子里的頻數應該是多少，稱為期望頻數；

（3）列聯表分析的基本思路

檢驗列聯表中的行變量與列變量之間是否獨立（或是否相關）。原假設為行變量與列變量之間獨立（或不相關）。比較觀察頻數與期望頻數的差。

如果兩者的差越大，表明實際情況與原假設相去甚遠；如果差越小，表明實際情況與原假設越相近。

對于這個假設的檢驗，可以采用卡方分布，進行卡方檢驗。

（4）列聯表分析的步驟

檢驗列聯表中的行變量與列變量之間是否獨立（是否相關）提出假設

H0：行變量與列變量獨立（不相關）H1：行變量與列變量不獨立（相關 計算檢驗的統計量 統計決策

進行決策：P值決策

P<0。05，則拒絕原假設H0，否則，接收原假設。（5）Pearson卡方檢驗的應用條件

所有單元的期望頻數應該大于1，或不應有大量的期望頻數小于5的單元格。

如果列聯表中有20%以上的單元格中的期望頻數小于5，則一般不宜用卡方檢驗。Pearson卡方檢驗最普遍

第4章

SPSS的均值比較過程 1。Means過程

對準備比較的各組計算描述指標，進行預分析，也可直接比較，定量變量。（1）Means過程是專門計算各種平均數，并對平均數進行簡單比較的；（2）雖然Descriptive Statistics（描述統計）菜單項中的幾個過程也能計算均數，但Means過程的輸出結果是將各組的描述指標放在一起的，便于相互比較；

（3）Means過程必須設置分組變量，若沒有分組變量的話，可以使用Descriptive Statistics菜單項中的幾個過程。

（4）適用于測度水平為SCALE的變量。

2。單樣本T檢驗（1）目的

檢驗某變量的總體均值與指定的檢驗值之間是否存在顯著差異。（2）適用條件

樣本來自的總體服從正態分布（3）基本步驟

H0： μ＝μ0 H1： μ≠μ0

構造檢驗統計量 統計決策

如果P值<α（α一般取值為0。05），拒絕原假設； 如果P值>α，接受原假設；

3。

獨立樣本T 檢驗（1）目的

通過比較兩個樣本均值差的大小來確定兩個總體的均值是否相等。（2）適用條件

獨立性：兩個樣本相互獨立，且均為大樣本；

正態性：如果兩個樣本相互獨立但都是小樣本，或有一個樣本是小樣本，則要求總體服從正態分布；

方差齊性

（3）基本步驟

a、方差齊性F檢驗

原假設：兩個總體方差相等； 備則假設：兩個總體方差不相等；

P值<0。05 時，拒絕原假設，說明方差不齊；否則兩個總體方差無顯著性差異。b、對兩總體的均值提出假設 H0： μ1＝μ2

H1： μ1≠μ2 c、統計決策

在SPSS中進行兩獨立樣本t檢驗時，應首先對F檢驗作判斷。如果方差相等，觀察分析結果中Equal variances assumed列的t檢驗相伴概率值；如果方差不相等，觀察Equal variances not assumed列的t檢驗相伴概率值。如果P值<α，拒絕原假設； 如果P值>α，不能拒絕原假設；

4.配對樣本的T 檢驗

配對樣本是指對同一樣本的某個變量進行前后兩次測試所獲得的兩組數據，或是對兩個完全相同的樣本在不同條件下進行測試所獲得的兩組數據。其差別在于抽樣不是相互獨立的，而是互相關聯的。（1）配對樣本通常有兩個特征： 第一，兩組樣本的樣本數相同；

第二，兩個樣本記錄的先后順序一一對應，不能隨意更改。（2）適用條件

兩樣本數據必須兩兩配對 兩總體服從正態分布

配對樣本的錄入方式是：每對數據在同一個case的兩個配對的變量上（3）檢驗步驟 a、提出假設 H0： μ1＝μ2

H1： μ1≠μ2 b、統計決策

如果P值<α，拒絕原假設； 如果P值>α，不能拒絕原假設；

第5章 方差分析

如何對一個或兩個總體的均值進行檢驗，我們可以用均值比較，如果要討論多個總體均值是否相等，我們所采用的方法是方差分析。

方差分析中有以下幾個重要概念。（1）因素（Factor）：是指所要研究的變量，它可能對因變量產生影響。如果方差分析只針對一個因素進行，稱為單因素方差分析。如果同時針對多個因素進行，稱為多因素方差分析。

（2）水平（Level）：水平指因素的具體表現，如銷售的四種方式就是因素的不同取值等級。

（3）單元（Cell）：指因素水平之間的組合。（4）元素（Element）：指用于測量因變量的最小單位。一個單元里可以只有一個元素，也可以有多個元素。

（5）交互作用（Interaction）：如果一個因素的效應大小在另一個因素不同水平下明顯不同，則稱兩因素間存在交互作用。

1.單因素方差分析

單因素方差分析也叫一維方差分析，它用來研究一個因素的不同水平是否對觀測變量產生了顯著影響，即檢驗由單一因素影響的一個（或幾個相互獨立的）因變量由因素各水平分組的均值之間的差異是否具有統計意義。（1）適用條件

在各個水平之下觀察對象是獨立隨機抽樣，即獨立性；

各個水平的因變量服從正態分布，即正態性；

各個水平下的總體具有相同的方差，即方差齊性；（2）基本原理

SST（總的離差平方和）=SSA（組間離差平方和）+SSE（組內離差平方和）

如果在總的離差平方和中，組間離差平方和所占比例較大，說明觀測變量的變動主要是由因素的不同水平引起的，可以主要由因素的變動來解釋，系統性差異給觀測變量帶來了顯著影響；反之，如果組間離差平方和所占比例很小，說明觀測變量的變動主要由隨機變量因素引起的。

SPSS將自動計算檢驗統計量和相伴概率P值，若P<α，則拒絕原假設，認為因素的不同水平對觀測變量產生顯著影響；反之，接受零假設，認為因素的不同水平沒有對觀測變量產生顯著影響。

另外，SPSS還提供了多重比較方法，多重比較是通過對總體均值之間的配對比較來進一步檢驗到底哪些均值之間存在差異，最常用的多重比較方法是LSD。（3）檢驗步驟 a、提出假設

H0： 各個總體的均值無顯著性差異。

H1： 各個總體的均值有顯著性差異。b、統計決策

方差齊性檢驗結果，P值>0。05，方差齊，否則，方差不齊；

單因素方差分析表，P值>α，接受H0，都則，拒絕H0，接受H1。

2.多因素方差分析

多因素方差分析是對一個獨立變量是否受一個或多個因素或變量影響而進行的方差分析。它不僅能夠分析多個因素對觀測變量的獨立影響，更能夠分析多個因素的交互作用能否對觀測變量產生顯著影響。（2）基本原理

由于多因素方差分析中觀察變量不僅要受到多個因素獨立作用的影響，而且因素其交互作用和一些隨機因素都會對變量產生影響。因此觀測變量值的波動要受到多個控制變量獨立作用、控制變量交互作用及隨機因素等三方面的影響。以兩個因素為例，可以表示為：

Q總＝Q控1＋Q控2＋Q控1控2＋Q隨其中，Q表示各部分對應的離差平方和。多因素方差分析比較

Q

控

1、Q 控

2、Q 控 1 控

Q

隨

占 Q

總 的比例，以此推斷不同因素以及因素之間的交互作用

2、是否給觀測變量帶來顯著影響。

（3）基本術語

a、Dependent Variable 觀測變量或因變量 主要指研究中的定量變量

如：移動話費、學生成績、銷售量、畝產量等

b、Fixed Factor 固定效應因素，固定因素，控制因素

主要指研究中的定性變量

如：資費等級、客戶類型、漫游類型、促銷策略等 c、Random Factor 隨機效應因素、隨機因素

人為無法對其水平值進行準確控制，只是能夠直觀觀測到

如：話費水平、收入水平、消費習慣等

d、Interaction 交互作用、交互效應

如果一個因素的效應大小在另一個因素不同水平下明顯不同，則稱為兩因素間存在交互作用。

當存在交互作用時，單純研究某個因素的作用是沒有意義的，必須分另一個因素的不同水平研究該因素的作用大小。例如：飲食習慣、適量運動對減肥的作用； e、main effect 與交互效應相對應的

主效應就是每個因素對因變量的單獨影響（main effect）f、Covariates 協變量

指對應變量可能有影響，需要在分析時對其作用加以控制的連續性定量變量 當模型中存在協變量時，一般是通過找出它與因變量的回歸關系來控制其影響（3）應用條件

等方差；

各樣本的獨立性：只有各樣本為相互獨立的隨機樣本，才能保證變異的可加性（可分解性）；

正態性：即所有觀察值系從正態總體中抽樣得出；（4）基本步驟

提出假設

H0：因素A中的r個水平的均值相等（因素A 對因變量無顯著性影響）H1：因素A中的r個水平的均值不全相等（因素A 對因變量有顯著性影響）統計決斷 P值檢驗法

依次查看各F值的P值，p-值<α，應拒絕原假設； 如果其P值大于顯著性水平，則不能拒絕H0，可以認為相應不同水平的控制變量或交互影響沒有造成均值的顯著差異;

第6章

非參數檢驗

非參數檢驗（nonparametric test），又稱為任意分布檢驗（distribution-free test）； 不依賴于總體的分布類型，對樣本所來自總體的分布不作嚴格假定的統計推斷方法，稱為非參數檢驗（nonparametric test）

它不考慮研究對象總體分布的具體形式，也不對總體參數進行統計推斷；

而是通過檢驗樣本所代表的總體分布位置及分布形狀是否一致來得出統計結論。特點

參數檢驗條件不滿足時的處理方法

不對均數等參數檢驗，而是檢驗分布是否相同

在總體分布未知的情況下，利用樣本數據對總體的分布形態進行推斷。非參數檢驗的著眼點不是總體參數，而是總體的分布情況 非參數檢驗研究目標總體的分布是否與已知理論分布相同 非參數檢驗研究各樣本所在總體的分布位置，形狀是否相同 優點

第一，具有較好的穩健性；

第二，受限條件少：對數據要求不像參數檢驗那樣嚴格

第三，適用范圍廣：可應用于各種不同的情況，不受總體分布形狀的限制，適合處理無法精確數量化的定性數據和小樣本數據 第四，計算通常較簡單，且容易理解 缺點

第一，將定量數據轉換為定性數據時，漏失了數據的一些信息

第二，檢驗的敏感度和效果，均不如參數檢驗好。檢驗效率低于參數檢驗，主要是犯第二類錯誤的可能性加大。

第三，參數檢驗適用的數據，非參數方法會降低檢驗效能；當數據滿足參數檢驗條件時，效能低于參數法，不滿足參數法條件時，處于“優勢” 非參數檢驗的應用場合

定量數據，不滿足參數檢驗的條件，且無適當的變量變換方法解決此問題； 定量數據，其分布類型無法獲知，且為小樣本； 定量數據，極度偏態，或個別數值偏離過大； 各組離散度相差懸殊

一端或兩端存在不確定數值的定量數據

定序數據，比較各組間等級強度的差別； 非參數檢驗的主要方法 單個樣本的非參數檢驗

卡方檢驗（Chi-Square過程）

二項檢驗（Binomial過程）

游程檢驗（Runs過程）

柯爾莫哥洛夫—斯米諾夫檢驗（l-Sample K-S過程）兩個獨立樣本的非參數檢驗 多個獨立樣本的非參數檢驗 兩個配對樣本的非參數檢驗 多個配對樣本的非參數檢驗 順序統計量

通過對數據從小到大的排序(即排隊)，并由數據的大小排序號(排隊號)代替原始數據進行統計分析。

秩(Rank)：排序號(排隊號)在統計學上稱為秩

結(ties)：絕對值相等稱為結，又稱同秩，則取平均秩次。

一般來說，秩就是該組數據按照升序排列之后，每個數據的位置。

1.單個樣本的非參數檢驗 卡方檢驗（Chi-Square過程）

用卡方檢驗來檢驗定性變量的幾個取值（分類數據，或類別）所占比例是否和理論的比例沒有統計學差異。檢驗分類變量的分布

適合于定性數據及頻數資料的分析

要求樣本足夠大，要求樣本容量一般大于50； 應用領域

如病人經治療后治愈、好轉、有效和無效的人數總的說來是否相同(實為治愈、好轉、有效和無效的概率或機會是否相同)成績優、良、中、差的學生人數是否相同 贊同某種觀點的人數是否達到80%，等等。

比如在人群中抽取了一個樣本，可以用該方法來分析四種血型所占的比例是否相同（都是25%），或者是否符合我們所給出的一個比例（如分別為10%、30%、40%和20%）。Chi-Square檢驗的基本思路

先按照已知總體的構成比例分布，計算出樣本中定性數據（即各類別）的期望頻數然后求出觀測頻數和期望頻數的差值，最后計算出卡方統計量 利用卡方分布求出P值，假設檢驗的H0是樣本中某指標的比例與已知比例一致 得出檢驗結論

2.二項檢驗（Binomial過程）檢驗二項分類變量分布

用于檢測所給的變量是否符合二項分布，變量可以是兩分類的，也可以使連續性變量，然后按你給出的分界點一刀兩斷。

Binomial過程對二項分類變量的單個樣本作檢驗，推斷總體中兩個分類數據的比例是否分別為π和(1-π)應用領域

射擊時，擊中與未擊中；學生成績，及格與不及格；疾病診斷，陰性與陽性；硬幣，正面與反面；人群性別，男和女；產品質量，合格和不合格 定量數據、符號檢驗（SING TEST）與Binomial過程

定量數據：大樣本；或小樣本，總體服從正態分布，總體方差已知； 參數檢驗：單個樣本的均值檢驗

定量數據，不滿足參數檢驗的條件，且無適當的變量變換方法解決此問題；

極度偏態，或個別數值偏離過大；

一端或兩端存在不確定數值

3.游程檢驗（Runs過程）

Runs過程借助樣本序列的順序推斷總體序列的順序是否是隨機的，屬隨機性檢驗 二分類數據和定量數據（連續數據）均可

對于一個取兩個值的分類變量，游程檢驗方法是檢驗這兩個值的出現是否是隨機的。游程檢驗還可以用于某個連續變量的取值小于某個值及大于該值的個數（類似于0和1的個數）是否隨機的問題 游程檢驗的作用

1、檢驗總體分布是否相同

將從兩個總體中獨立抽取的兩個樣本的觀察值混合后，觀察游程個數，進行比較。

2、檢驗樣本的隨機性

將取自某一總體的樣本的觀察值按從小到大順序排列，找出中位數，分為大于中位數的小于中位數的兩個部分。用上下交錯形成的游程個數來檢驗樣本是否是隨機的。應用范圍

生產過程是否需要調整，即不合格產品是否隨機產生； 獎券的購買是否隨機；

期貨價格的變化是否隨機等等。

若事物的發生并非隨機，即有某種規律，則往往可尋找規律，建立相應模型，進行分析，作出適宜的決策。

當樣本按某種順序排列(如按抽取時間先后排列)時，一個或者一個以上相同符號連續出現的段，就被稱作游程 ；

4.（l-Sample K-S過程）

柯爾莫諾夫-斯米爾諾夫檢驗，考察某個連續性變量是否符合理論分布 利用樣本數據推斷總體是否服從某種分布

可以檢驗的分布有正態分布、均勻分布、Poission分布和指數分布。數據要求：定量數據，Scale

5。

獨立樣本的非參數檢

檢驗兩個或多個獨立樣本所在總體是否相同

在不了解總體分布的情況下，通過分析樣本數據均值或中位數的差異，推斷樣本來自的兩/多個獨立總體的分布存在的顯著性差異。Independent Samples過程：主要用于檢驗兩個獨立樣本所在總體分布是否相同 K Independent Samples過程：主要用于檢驗多個獨立樣本所在總體分布是否相同 界面上基本相同

（1）兩個獨立樣本的非參數檢驗

含義：由樣本數據，推斷兩個獨立總體的分布是否存在顯著差異(或兩樣本是否來自同一總體)分析對象：定量數據或定序數據 對分布的形狀不加考慮

分布形狀相同或類似的兩個總體分布位置比較，可以簡化地理解為兩總體中位數的比較 應用范圍

兩種訓練方法中哪一種更出成績 兩種汽 油中哪一個污染更少 兩種市場營銷策略中那種更有效

與獨立樣本t檢驗的區別

對于定量數據，如果方差相等，且服從正態分布

兩個獨立樣本的非參數檢驗的過程

定序數據；對于定量數據，不滿足兩個獨立樣本t檢驗的條件

曼-惠特尼U檢驗（Mann-Whitney U）

為檢驗兩總體的中位數是否相等，常用Mann-Whitney U 檢驗，或稱Wilcoxon秩和檢驗(Wilcoxon rank sum test)；

這兩種方法是獨立提出的，檢驗結果完全等價的； 分析步驟

建立檢驗假設，確定顯著性水平α ：

H0：兩個總體的分布位置相同，即高中生和大學生的每周平均上網時間的總體分布相同；

H1：兩個總體的分布位置不同，即高中生和大學生的每周平均上網時間的總體分布不同。或：

H0：M1=M2；

H1：M1>M2

2、編秩，將兩組數據由小到大統一編秩，編秩時如遇有相同數據，取平均秩次。

3、求秩和，兩組秩次分別相加。

4、確定統計量

若兩組樣本容量相等，則任取一組的秩和為統計量；

若兩組樣本容量不等，則以樣本樣本容量較小者對應的秩和為統計量。

5、查表確定P值，作出推斷結論。若P>α，不能拒絕原假設。

若則P<α，拒絕原假設，認為兩總體的分布不相同。

（2）多獨立樣本非參數檢驗

對三個或三個以上的總體的均值是否相等進行檢驗，使用的方法是單因素方差分析 ； 單因素方差分析過程需要假定條件，F檢驗才有效； 有時候所采集的數據常常不能滿足這些條件，K Independent Samples過程 K Independent Samples過程

含義：由樣本數據，推斷多個獨立總體的分布是否存在顯著差異(或多個樣本是否來自同一總體)分析對象：定量數據或定序數據 對分布的形狀不加考慮

分布形狀相同或類似的多個總體分布位置比較，可以簡化地理解為多個總體中位數的比較。應用范圍

各城市兒童身高分布一致嗎？

不同收入的居民存（取）款金額分布一致嗎？

電信公司人力資源部門比較3所大學雇員的管理業績是否存在差異？ 檢驗方法

Kruskal-Wallis H ：克魯斯卡爾-沃利斯單因素方差分析最常用，原理同Wilcoxon檢驗 多個樣本間的兩兩比較 多組獨立樣本；

每組5個觀察值，樣本量小，分布類型未知；

考慮采用秩轉換的非參數檢驗方法——Kruskal-Wallis秩和檢驗。

（3）兩/多個配對樣本非參數檢驗

檢驗兩個或多個配對樣本所在總體位置是否相同

在不了解總體分布的情況下，通過分析兩/多個配對樣本，推斷樣本來自的兩/多個總體的分布是否存在顯著性差異。Related Samples過程：主要用于檢驗兩個配對樣本所在總體分布是否相同 K Related Samples過程：主要用于檢驗多個配對樣本所在總體分布是否相同 界面上基本相同

兩個配對樣本的非參數檢驗

含義：由樣本數據推斷兩配對總體分布是否存在顯著差異。數據要求

兩組配對的樣本數據；

兩組數據的樣本容量相同，先后次序不能任意改變，一一對應； 統計分析步驟

提出基本假設

H0：兩配對總體分布無顯著差異 H1：兩配對總體分布有顯著差異 統計決斷

P值>α，不能拒絕原假設

P值<α，拒絕原假設

多個配對樣本非參數檢驗

含義：由樣本數據推斷多個配對總體分布是否存在顯著差異。

數據要求：多組配對的樣本數據，多組數據的樣本容量相同，先后次序不能任意改變，一一對應； 應用范圍

三種促銷形式的銷售額分布一致嗎？ 收集乘客對多家航空公司是否滿意的數據，分析航空公司的服務水平是否存在顯著差異 評委打分一致嗎？ 三種檢驗方法

Friedman M檢驗：最常用

Kendall W檢驗 ：和諧系數檢驗

Cochran Q：要求樣本數據為二分類數據（1－滿意

0－不滿意）檢驗方法的選擇

1）單個樣本：若來自正態總體，可用t檢驗，若來自非正態總體或總體分布無法確定，可用二項檢驗（二項檢驗）2）配對樣本：

二分類變量，可用McNemar檢驗；

連續型變量，若來自正態總體，可用配對t檢驗，否則可用Wilcoxon符號秩和檢驗。

3）兩組獨立樣本：連續型變量，若來自正態總體，可用t檢驗，否則，可用 Wilcoxon秩和檢驗；

二分類變量或無序多分類變量，可用卡方檢驗；

有序多分類變量，宜用Wilcoxon秩和檢驗。4）多組獨立樣本

連續型變量值，來自正態總體且方差相等，可用方差分析；否則，進行數據變換使其滿足正態性或方差齊的要求后，采用方差分析；數據變換仍不能滿足條件時，可用Kruskal-Wallis秩和檢驗。

二分類變量或無序多分類變量，可用卡方檢驗。

有序多分類變量宜用Kruskal-Wallis秩和檢驗。

第7章 相關分析 概念

相關關系反映出變量之間雖然相互影響，具有依存關系，但彼此之間是不能一一對應的。例如，學生成績與其智力因素、各科學習成績之間的關系、教育投資額與經濟發展水平的關系、社會環境與人民健康的關系等等，都反映出客觀現象中存在的相關關系。相關關系的類型

1）根據相關程度的不同，相關關系可分為完全相關、不完全相關和無相關。2）根據變量值變動方向的趨勢，相關關系可分為正相關和負相關。3）根據變量關系的形態，相關關系可分為直線相關和曲線相關。4）根據研究變量的多少，可分為單相關、復相關。相關分析的作用

1）判斷變量之間有無聯系

2）確定選擇相關關系的表現形式及相關分析方法 3）把握相關關系的方向與密切程度

4）相關分析不但可以描述變量之間的關系狀況，而且用來進行預測。5)相關分析還可以用來評價測量量具的信度、效度以及項目的區分度等 相關系數

相關系數是在直線相關條件下，說明兩個變量之間相關程度以及相關方向的統計分析指標。相關系數一般可以通過計算得到。作為樣本相關系數，常用字母r表示；作為總體相關系數，常用字母ρ表示。相關系數的數值范圍是介于–1與 +1之間（即–1≤ r ≤1），常用小數形式表示，一般要取小數點后兩位數字來表示，以便比較精確地描述其相關程度。

兩個變量之間的相關程度用相關系數r的絕對值表示，其絕對值越接近1，表明兩個變量的相關程度越高；其絕對值越接近于0，表明兩個變量相關程度越低。如果其絕對值等于零1，則表示兩個變量完全直線相關。如果其絕對值為零，則表示兩個變量完全不相關（不是直線相關）。

相關系數的注意事項

1）相關系數只是一個比率值，并不具備與相關變量相同的測量單位。2）相關系數r 受變量取值區間大小及樣本數目多少的影響比較大。

3）來自于不同群體且不同質的事物的相關系數不能進行比較。4）對于不同類型的數據，計算相關系數的方法也不相同

1.簡單相關分析的基本原理

簡單相關分析是研究兩個變量之間關聯程度的統計方法。它主要是通過計算簡單相關系數來反映變量之間關系的強弱。一般它有圖形（散點圖）和數值（一方面應觀察相關系數的大小，另一方面，應觀察概率P值，其原假設為**不相關）兩種表示方式。簡單相關系數

1）皮爾遜（Pearson）相關系數

常稱為積差相關系數，適用于研究連續變量之間的相關程度。例如，收入和儲蓄存款、身高和體重等變量間的線性相關關系。注意Pearson相關系數適用于線性相關的情形，對于曲線相關等更為復雜的情形，系數的大小并不能代表其相關性的強弱。2）Spearman等級相關系

Spearman等級相關系數是用來度量順序水準變量間的線性相關關系。它是利用兩變量的秩次大小作線性相關分析，適用條件為：

① 兩個變量的變量值是以等級次序表示的資料；

②

一個變量的變量值是等級數據，另一個變量的變量值是等距或比率數據，且其兩總體不要求是正態分布，樣本容量n不一定大于30。

從斯皮爾曼等級相關適用條件中可以看出，等級相關的應用范圍要比積差相關廣泛，它的突出優點是對數據的總體分布、樣本大小都不做要求。但缺點是計算精度不高。3）Kendall’s等級相關系數

它是用于反映分類變量相關性的指標，適用于兩個變量均為有序分類的情況。這種指標采用非參數檢驗方法測度變量間的相關關系。它利用變量的秩計算一致對數目和非一致對數目。

2.偏相關分析的基本原理

方法概述

簡單相關分析計算兩個變量之間的相互關系，分析兩個變量間線性關系的程度。但是現實中，事物之間的聯系可能存在于多個主體之間，因此往往因為第三個變量的作用使得相關系數不能真實地反映兩個變量間的線性相關程度。基本原理

偏相關分析是在相關分析的基礎上考慮了兩個因素以外的各種作用，或者說在扣除了其他因素的作用大小以后，重新來測度這兩個因素間的關聯程度。這種方法的目的就在于消除其他變量關聯性的傳遞效應。3.距離分析的基本原理

簡單相關分析和偏相關分析有一個共同點，那就是對所分析的數據背景應當有一定程度的了解。但在實際中有時會遇到一種情況，在分析前對數據所代表的專業背景知識尚不充分，本身就屬于探索性的研究。這時就需要先對各個指標或者案例的差異性、相似程度進行考察，以先對數據有一個初步了解，然后再根據結果考慮如何進行深入分析。

距離分析是對觀測量之間或變量之間相似或不相似的程度的一種測度，是計算一對變量之間或一對觀測量之間的廣義的距離。根據變量的不同類型，可以有許多距離、相似程度測量指標供用戶選擇。但由于本模塊只是一個預分析過程，因此距離分析并不會給出常用的P值，而只能給出各變量/記錄間的距離大小，以供用戶自行判斷相似性。

第8章 SPSS的回歸分析 1。一元線性回歸 方法概述

線性回歸模型側重考察變量之間的數量變化規律，并通過線性表達式，即線性回歸方程，來描述其關系，進而確定一個或幾個變量的變化對另一個變量的影響程度，為預測提供科學依據。

一般線性回歸的基本步驟如下。

① 確定回歸方程中的自變量和因變量。

② 從收集到的樣本數據出發確定自變量和因變量之間的數學關系式，即確定回歸方程。

③ 建立回歸方程，在一定統計擬合準則下，估計出模型中的各個參數，得到一個確定的回歸方程。

④ 對回歸方程進行各種統計檢驗。

⑤ 利用回歸方程進行預測。

注：一元線性回歸的經驗模型是：Y=β0+β1X 統計檢驗

在求解出了回歸模型的參數后，一般不能立即將結果付諸于實際問題的分析和預測，通常要進行各種統計檢驗，例如擬合優度檢驗、回歸方程和回歸系數的顯著性檢驗和殘差分析等。

1）輸出結果的模型摘要

其實就是對方程擬合情況的描述。通過這張表可以知道相關系數的取值（R），相關系數的平方即可決系數（R Square），校正后的可決系數(adjusted R Square)和回歸系數的標準誤(Std。Error of the Estimate)。注意這里的相關系數大小和前面相關分析中計算出的結果完全相同。可決系數R Square的取值介于0和1之間，它的含義就是自變量所能解釋的方差在總方差中所占的百分比，取值越大說明模型的效果越好。

2）輸出結果中的方差分析表

它是回歸模型顯著性檢驗的結果，所用方法為F檢驗，其零假設為原方程無效，通過P值來判斷原方程是否有效。3）輸出結果中的回歸系數表

應特別關注回歸系數β1 的T檢驗，它的零假設為β1 =0，通過P值來判斷β1 是否有實際意義。

2.多元線性回歸

在回歸分析中，如果有兩個或兩個以上的自變量，就稱為多元回歸。

其基本步驟與一元回歸幾乎一致，只是在輸出結果的模型摘要中通過觀察調整R2 來判斷方程的擬合情況，另外，同樣可通過折線圖來觀察模型擬合效果。

3.曲線擬合

實際中，變量之間的關系往往不是簡單的線性關系，而呈現為某種曲線或非線性的關系。此時，就要選擇相應的曲線去反映實際變量的變動情況。為了決定選擇的曲線類型，常用的方法是根據數據資料繪制出散點圖，通過圖形的變化趨勢特征并結合專業知識和經驗分析來確定曲線的類型，即變量之間的函數關系。

在確定了變量間的函數關系后，需要估計函數關系中的未知參數，并對擬合效果進行顯著性檢驗。雖然這里選擇的是曲線方程，在方程形式上是非線性的，但可以采用變量變換的方法將這些曲線方程轉化為線性方程來估計參數。

在選擇模型的時候可以結合專業知識多選幾種，如同時選擇“指數分布”、“逆模型”和“冪函數”，然后在模型匯總中比較R2 的大小，選擇最大的一個，同時，注意觀察各自的P值，其原假設為其模型無統計學意義。

4.非線性回歸分析

非線性回歸分析是探討因變量和一組自變量之間的非線性相關模型的統計方法。線性回歸模型要求變量之間必須是線性關系，曲線估計只能處理能夠通過變量變換化為線性關系的非線性問題，因此這些方法都有一定的局限性。相反的，非線性回歸可以估計因變量和自變量之間具有任意關系的模型，用戶根據自身需要可隨意設定估計方程的具體形式。通過散點圖觀察，如果自變量和應變量不能通過線性回歸或區縣估計來實現，則可以在SPSS通過【分析】-【回歸】-【非線性】來實現。

以下是SPSS處理問卷的總結

當我們的調查問卷在把調查數據拿回來后，我們該做的工作就是用相關的統計軟件進行處理，在此，我們以SPSS為處理軟件，來簡要說明一下問卷的處理過程，它的過程大致可分為四個過程：定義變量﹑數據錄入﹑統計分析和結果保存。下面將從這四個方面來對問卷的處理做詳細的介紹。

SPSS處理：

第一步：定義變量

大多數情況下我們需要從頭定義變量，在打開SPSS后，我們可以看到和excel相似的界面，在界面的左下方可以看到Data View，Variable View兩個標簽，只需單擊左下方的Variable View標簽就可以切換到變量定義界面開始定義新變量。在表格上方可以看到一個變量要設置如下幾項：name(變量名)、type(變量類型)、width(變量值的寬度)、decimals(小數位)、label(變量標簽)、Values(定義具體變量值的標簽)、Missing(定義變量缺失值)、Colomns(定義顯示列寬)、Align(定義顯示對齊方式)、Measure(定義變量類型是連續、有序分類還是無序分類)。

我們知道在SPSS中，我們可以把一份問卷上面的每一個問題設為一個變量，這樣一份問卷有多少個問題就要有多少個變量與之對應，每一個問題的答案即為變量的取值。現在我們以問卷第一個問題為例來說明變量的設置。為了便于說明，可假設此題為：

1。請問你的年齡屬于下面哪一個年齡段()? A：20—29 B：30—39 C：40—49 D：50--59 那么我們的變量設置可如下： name即變量名為1，type即類型可根據答案的類型設置，答案我們可以用1、2、3、4來代替A、B、C、D，所以我們選擇數字型的，即選擇Numeric，width寬度為4，decimals即小數位數位為0（因為答案沒有小數點），label即變量標簽為“年齡段查詢”。Values用于定義具體變量值的標簽，單擊Value框右半部的省略號，會彈出變量值標簽對話框，在第一個文本框里輸入1，第二個輸入20—29，然后單擊添加即可。同樣道理我們可做如下設置，即1=20—

29、2=30—

39、3=40—

49、4=50--59；Missing，用于定義變量缺失值，單擊missing框右側的省略號，會彈出缺失值對話框，界面上有一列三個單選鈕，默認值為最上方的“無缺失值”；第二項為“不連續缺失值”，最多可以定義3個值；最后一項為“缺失值范圍加可選的一個缺失值”，在此我們不設置缺省值，所以選中第一項如圖；Colomns，定義顯示列寬，可自己根據實際情況設置；Align，定義顯示對齊方式，有居左、居右、居中三種方式；Measure，定義變量類型是連續、有序分類還是無序分類。

以上為問卷中常見的單項選擇題型的變量設置，下面將對一些特殊情況的變量設置也作一下說明。

1。開放式題型的設置：諸如你所在的省份是_____這樣的填空題即為開放題，設置這些變量的時候只需要將Value、Missing兩項不設置即可。

2。多選題的變量設置：這類題型的設置有兩種方法即多重二分法和多重分類法，在這里我們只對多重二分法進行介紹。這種方法的基本思想是把該題每一個選項設置成一個變量，然后將每一個選項拆分為兩個選項，即選中該項和不選中該項。現在舉例來說明在SPSS中的具體操作。比如如下一例：

請問您通常獲取新聞的方式有哪些()1 報紙 2 雜志 3 電視 4 收音機 5 網絡

在SPSS中設置變量時可為此題設置五個變量，假如此題為問卷第三題，那么變量名分別為3_

1、3_

2、3_

3、3_

4、3_5，然后每一個選項有兩個選項選中和不選中，只需在Value一項中為每一個變量設置成1=選中此項、0=不選中此項即可。

使用該窗口，我們可以把一個問卷中的所有問題作為變量在這個窗口中一次定義。到此，我們的定義變量的工作就基本上可以結束了。下面我們要作就是數據的錄入了。首先，我們要回到數據錄入窗口，這很簡單，只要我們點擊軟件左下方的Data View標簽就可以了。

第二步：數據錄入

SPSS數據錄入有很多方式，大致有一下幾種： 1。讀取SPSS格式的數據 2。讀取Excel等格式的數據

3。讀取文本數據（Fixed和Delimiter)4。讀取數據庫格式數據(分如下兩步)（1）配置ODBC（2）在SPSS中通過ODBC和數據庫進行

但是對于問卷的數據錄入其實很簡單，只要在SPSS的數據錄入窗口中直接輸入就可以了，只是在這里有幾點注意的事項需要說明一下。

1。在數據錄入窗口，我們可以看到有一個表格，這個表格中的每一行代表一份問卷，我們也稱為一個個案。

2。在數據錄入窗口中，我們可以看到表格上方出現了1、2、3、4、5??。的標簽名，這其實是我們在第一步定義變量中，我們為問卷的每一個問題取的變量名，即1代表第一題，2代表第二題。以次類推。我們只需要在變量名下面輸入對應問題的答案即可完成問卷的數據錄入。比如上述年齡段查詢的例題，如果問卷上勾選了A答案，我們在1下面輸入1就行了(不要忘記我們通常是用1、2、3、4來代替A、B、C、D的)。

3。我們知道一行代表一份問卷，所以有幾分問卷，就要有幾行的數據。在數據錄入完成后，我們要做的就是我們的關鍵部分，即問卷的統計分析了，因為這時我們已經把問卷中的數據錄入我們的軟件中了。

第三步：統計分析

有了數據，可以利用SPSS的各種分析方法進行分析，但選擇何種統計分析方法，即調用哪個統計分析過程，是得到正確分析結果的關鍵。這要根據我們的問卷調查的目的和我們想要什么樣的結果來選擇。SPSS有數值分析和作圖分析兩類方法。

1。作圖分析：

在SPSS中，除了生存分析所用的生存曲線圖被整合到Analyze菜單中外，其他的統計繪圖功能均放置在graph菜單中。該菜單具體分為以下幾部分：：

(1)Gallery：相當于一個自學向導，將統計繪圖功能做了簡單的介紹，初學者可以通過它對SPSS的繪圖能力有一個大致的了解。

(2)Interactive：交互式統計圖。(3)Map：統計地圖。

(4)下方的其他菜單項是我們最為常用的普通統計圖，具體來說有： 條圖 散點圖 線圖 直方圖 餅圖 面積圖 箱式圖

正態Q-Q圖 正態P-P圖 質量控制圖 Pareto圖

自回歸曲線圖 高低圖 交互相關圖 序列圖 頻譜圖 誤差線圖

作圖分析簡單易懂，一目了然，我們可根據需要來選擇我們需要作的圖形，一般來講，我們較常用的有條圖，直方圖，正態圖，散點圖，餅圖等等，具體操作很簡單，大家可參閱相關書籍，作圖分析更多情況下是和數值分析相結合來對試卷進行分析的，這樣的效果更好。

2。數值分析：

SPSS 數值統計分析過程均在Analyze菜單中，包括：

(1)、Reports和Descriptive Statistics：又稱為基本統計分析。基本統計分析是進行其他更深入的統計分析的前提，通過基本統計分析，用戶可以對分析數據的總體特征有比較準確的把握，從而選擇更為深入的分析方法對分析對象進行研究。Reports和Descriptive Statistics命令項中包括的功能是對單變量的描述統計分析。

Descriptive Statistics包括的統計功能有：

Frequencies(頻數分析)：作用：了解變量的取值分布情況

Descriptives(描述統計量分析)：功能：了解數據的基本統計特征和對指定的變量值進行標準化處理

Explore(探索分析)：功能：考察數據的奇異性和分布特征

Crosstabs(交叉分析)：功能：分析事物（變量）之間的相互影響和關系 Reports包括的統計功能有：

OLAP Cubes(OLAP報告摘要表)：功能： 以分組變量為基礎，計算各組的總計、均值和其他統計量。而輸出的報告摘要則是指每個組中所包含的各種變量的統計信息。

Case Summaries(觀測量列表)：察看或打印所需要的變量值 Report Summaries in Row：行形式輸出報告 Report Summaries in Columns：列形式輸出報告

(2)、Compare Means(均值比較與檢驗)：能否用樣本均值估計總體均值？兩個變量均值接近的樣本是否來自均值相同的總體？換句話說，兩組樣本某變量均值不同，其差異是否具有統計意義？能否說明總體差異？這是各種研究工作中經常提出的問題。這就要進行均值比較。

以下是進行均值比較及檢驗的過程：

MEANS過程：不同水平下（不同組）的描述統計量，如男女的平均工資，各工種的平均工資。目的在于比較。術語：水平數（指分類變量的值數，如sex變量有2個值，稱為有兩個水平）、單元Cell（指因變量按分類變量值所分的組）、水平組合

T test 過程：對樣本進行T檢驗的過程

單一樣本的T檢驗：檢驗單個變量的均值是否與給定的常數之間存在差異。

獨立樣本的T檢驗：檢驗兩組不相關的樣本是否來自具有相同均值的總體（均值是否相同，如男女的平均收入是否相同，是否有顯著性差異）

配對T檢驗：檢驗兩組相關的樣本是否來自具有相同均值的總體(前后比較，如訓練效果，治療效果)one-Way ANOVA：一元(單因素)方差分析，用于檢驗幾個（三個或三個以上）獨立的組，是否來自均值相同的總體。

(3)、ANOVA Models(方差分析)：方差分析是檢驗多組樣本均值間的差異是否具有統計意義的一種方法。例如：醫學界研究幾種藥物對某種疾病的療效；農業研究土壤、肥料、日照時間等因素對某種農作物產量的影響;不同飼料對牲畜體重增長的效果等，都可以使用方差分析方法去解決

(4)、Correlate(相關分析)：它是研究變量間密切程度的一種常用統計方法，常用的相關分析有以下幾種：

1、線性相關分析：研究兩個變量間線性關系的程度。用相關系數r來描述。

2、偏相關分析：它描述的是當控制了一個或幾個另外的變量的影響條件下兩個變量間的相關性，如控制年齡和工作經驗的影響，估計工資收入與受教育水平之間的相關關系

3、相似性測度：兩個或若干個變量、兩個或兩組觀測量之間的關系有時也可以用相似性或不相似性來描述。相似性測度用大值表示很相似，而不相似性用距離或不相似性來描述，大值表示相差甚遠

(5)、Regression(回歸分析)：功能：尋求有關聯（相關）的變量之間的關系在回歸過程中包括：Liner：線性回歸;Curve Estimation：曲線估計;Binary Logistic：二分變量邏輯回歸;Multinomial Logistic：多分變量邏輯回歸;Ordinal 序回歸;Probit：概率單位回歸;Nonlinear：非線性回歸;Weight Estimation：加權估計;2-Stage Least squares：二段最小平方法;Optimal Scaling 最優編碼回歸;其中最常用的為前面三個。

(6)、Nonparametric Tests(非參數檢驗)：是指在總體不服從正態分布且分布情況不明時，用來檢驗數據資料是否來自同一個總體假設的一類檢驗方法。由于這些方法一般不涉及總體參數故得名。

非參數檢驗的過程有以下幾個： 1。Chi-Square test 卡方檢驗 2。Binomial test 二項分布檢驗 3。Runs test 游程檢驗

4。1-Sample Kolmogorov-Smirnov test 一個樣本柯爾莫哥洛夫-斯米諾夫檢驗 5。2 independent Samples Test 兩個獨立樣本檢驗 6。K independent Samples Test K個獨立樣本檢驗 7。2 related Samples Test 兩個相關樣本檢驗 8。K related Samples Test 兩個相關樣本檢驗(7)、Data Reduction(因子分析)(8)、Classify(聚類與判別)等等

以上就是數值統計分析Analyze菜單下幾項用于分析的數值統計分析方法的簡介，在我們的變量定義以及數據錄入完成后，我們就可以根據我們的需要在以上幾種分析方法中選擇若干種對我們的問卷數據進行統計分析，來得到我們想要的結果。

第四步：結果保存

我們的SPSS軟件會把我們統計分析的多有結果保存在一個窗口中即結果輸出窗口(output)，由于SPSS軟件支持復制和粘貼功能，這樣我們就可以把我們想要的結果復制﹑粘貼到我們的報告中，當然我們也可以在菜單中執行file->save來保存我們的結果，一般情況下，我們建議保存我們的數據，結果可不保存。因為只要有了數據，如果我們想要結果的，我們可以隨時利用數據得到結果。

總結：

以上便是SPSS處理問卷的四個步驟，四個步驟結束后，我們需要SPSS軟件做的工作基本上也就結束了，接下來的任務就是寫我們的統計報告了。值得一提的是。SPSS是一款在社會統計學應用非常廣泛的統計類軟件，學好它將對我們以后的工作學習產生很大的意義和作用。

第五篇：歐姆定律經典題型-含方法總結

歐姆定律常見題目

第一類：公式的基本運用

這類問題只需直接代公式計算，注意每個物理量必須針對同一研究對象而言 例1.一只電燈泡正常工作時的燈絲電阻是440Ω，如果電燈線路的電壓是220V，則燈絲中的電流為

A。若一個電熱水器工作時電熱絲的電阻是44Ω，通過的電流是5A，則加在該電熱絲兩端的電壓是

V。第二類：基本的串并聯電路

這類題目計算時抓住串聯和并聯的電流、電壓大小關系，等量代換即可計算（可以根據實際情況考慮是否使用等效電路的算法）

例2.電阻R1=30Ω，R2=50Ω串聯，電阻R1兩端的電壓為6V，則： 1）R1的電流為多少？2）R2的電壓為多少？

請注意書寫過程必須包含必要公式 計算過程中的每個物理量要帶單位

例3.電阻R1=30Ω，R2=50Ω并聯，通過R1電流為0.15A,則：

1）R1兩端電壓為多少？2）通過R2的電流為多少安？

請注意書寫過程必須包含必要公式 計算過程中的每個物理量要帶單位

第三類：簡單的等效電路問題

等效電路是一種解題思維，主要是為解決問題提供一種更為簡單、方便、快捷的解題方式。使用等效電路過程中主要涉及到整體思維和分割思想。

例4.電阻R1=20Ω，R2=30ΩR3=6Ω并聯，已知電源電壓為9V，求：

干路電流為多少安？

此題先求解總電阻（等效電阻），再用總電壓除以總電阻計算總電流更為方便

第四類：串聯分壓、并聯分流原理解決比值問題

例5.電阻R1=20Ω，R2=60Ω串聯，則通過R1和R2的電流之比為________，R1和R2兩端的電壓之比為_______

例6.R2=2R1，將兩個電阻并聯接入電路，通過R1的電流為I0；若將R1、R2串聯在原來的電源上，通過R1的電流為I1，則I0：I1等于________

例7.如圖所示電路，已知三個電流表示數之比A1 ：A2 ：A3 之比為2：3：4，若R1=10Ω，則電阻R2的阻值為多少歐？

第 1 頁 第五類：靜態電路的電學元件安全問題

基本原則是滿足承受能力小的元件的要求，計算時按照實際數據計算而非按照最大允許數據計算

例8.兩只標有“5Ω 2A”和“15Ω 1A”的電阻，如果串聯在電源兩端，電源電壓不能超過

V，若并聯在同一電源兩端，干路電流不能超過

A。

例9.給你一只標有“5Ω 3A”的定值電阻和一只標有“20Ω 2A”的滑動變阻器。若串聯后接入電路。它們兩端允許加的最大電壓為

V；若并聯后接入電路，兩端允許加的最大電壓為__________V，此時，干路中能通過的最大電流為

A。

第六類：ΔU、ΔI的問題

例10.如圖，電阻R1＝10Ω，R2＝20Ω，當Sl閉合，S2斷開時，電壓表的示數為3．0V；當開關Sl斷開，S2閉合時，電壓表的示數可能是（）

A．12V

B.9V

C．4．5 V

D．2．5 V

例11.如圖，當A.B兩點接入10Ω電阻時，電流表的示數為0．5 A，撤去10Ω的電阻，在A、B間改接20Ω的電阻時，電流表示數

A.等于0．25A

B.小于0．25A

C．大于0．25A

D．無法確定

簡單的電路動態變化問題

總括：電路動態變化問題分為開關狀態改變和滑片位置改變以及溫控電阻等新型原件電阻改變而引起的電路變化問題。旗下又分為兩類 1）定性分析：

定性分析主要分析電路狀態變化前后各個電表示數變化以及各電學原件對應的基本物理量（包括電流、電壓、電阻三個基礎量）的變化情況，此類題目解題必須在稿紙上簡寫電路連接方式、基本變化所引起的連鎖改變，最終根據一個變化量分析整個題中所有物理量的變化情況，以選擇題和填空題為主。

2）定量分析

定量分析是在定性分析的基礎之上，通過計算的方式獲得題目中每個物理量的具體變化值，此類題目通常需要聯立物理方程，通過解方程組的方式獲得最終答案。

第六類：開關狀態變化引起的動態變化問題

此類題目通常以不變量（電源電壓不變）為目標列物理方程組。例12.如圖所示電路，電源電壓保持不變，S1閉合,若R2=20歐，R1=10歐，則S2斷開與閉合時，電壓表示數之比是

例13.電源電壓保持不變，R1＝8Ω，R2= 12Ω, 閉合開關S3。求:（1）開關S1,S2都斷開，電流表示數為0.6A，那么電源電壓多大？（2）開關S1，S2都閉合，電流表示數為2.5A，那么R3的阻值多大？

第 2 頁 第七類：滑片位置改變引起的電路動態變化（包括定性分析和定量計算）

解題過程中，建議在稿子上書寫整個變化過程中的連鎖變化關系。例14.如圖 所示，電源電壓不變，當滑動變阻器的滑片從左向右

滑動過程中，電流表和電壓表的示數變化情況應是（）A.電壓表.電流表示數都變大

B.電壓表示數變大，電流表示數變小 C．電壓表示數變小，電流表示數變大 D．電壓表.電流表示數都變小

例15.在圖中，電源電壓保持不變，當滑動變阻器滑片P由左端向右移到中點的過程中，下列判斷中正確的是（）A.電壓表和電流表A1.A2的示數都變大

B.電流表A1示數變大，電流表A2、電壓表示數不變 C.電流表A2示數變大，電流表A1、電壓表示數不變 D.條件不足，無法判斷

第八類：動態電路的電學元件安全問題（極值問題）

此類題目建立在定性分析的基礎之上，結合定性分析尋找什么時候出現電流或者電壓最大，以電流或電壓最大為臨界點列電學方程，解除對應需求量。

例16.已知R0＝30Ω，滑動變阻器標有“3A，20Ω”字樣。已知電源電壓為12V，求：電流表和電壓表的示數變化范圍。

例17.電流表量程0～0．6A，電壓表量程0～15V。電阻R0＝30Ω，電源電壓為24V。

求：在不超過電表量程的情況下，滑動變阻器連入電路的電阻的變化范圍。

第九類：熱電綜合、力電綜合、光電綜合類問題（傳感器類問題）

此類題目的典型特點是非電學物理量的變化會引起電阻的改變，從而形成電路動態變化問題，解題的關鍵在于將非電學量的變化轉化成電阻變化，最終轉變成電路動態變化問題求解。

例18.某物理興趣小組為了自制一臺電子秤，進行了下列探究活動：已知彈簧伸長x與拉力F的關系圖像如圖22所示。電子稱原理圖如圖23所示，利用量程為3V的電壓表的示數來指示物體的質量，當盤中沒有放物體時，電壓表示數為零。其中滑動變阻器總電阻R=12Ω，總長度為12cm，電源電壓恒為6V，定值電阻R0=10Ω求： ① 當物體的質量為100克時，電壓表的示數是多少? ② 該電子秤能測量的最大質量是多大?

③ 改裝好的電子秤刻度與原來電壓表表頭的刻度有何不同?

第 3 頁 第十類：圖像題信息給予題

此類題目本質上大多是動態變化問題類型，解題的關鍵在于尋找圖像中每個點對應的電路狀態，根據圖像中特殊點給出的數據列物理方程組。

例19.圖甲所示電路，R為滑動變阻器，R0為定值電阻，電源電壓不變，改變R的滑片位置，電壓表示數與電流表示數變化的圖線如圖乙所示，根據以上條件可知R0的阻值為多少？電源電壓為多少？

例20.圖甲中，電源電壓U =6V，電流表是小量程電流表，其允許通過的最大電流為0.02 A，滑動變阻器R的銘牌上標有“200Ω 0.3 A”字樣，Ri為熱敏電阻，其阻值隨環境溫度變化關系如圖乙所示．閉合開關S，求：

(1)環境溫度為10 ℃電路中電流為0.0l A時Ri兩端的電壓．(2)圖甲電路可以正常工作的最高環境溫度．

自我總結：

第 4 頁